امروزه به لطف پیشرفت­های بزرگ در فناوری اطلاعات، جریان گردشی داده­ها و اطلاعات در انواع سطوح سازمانی بسیار بیشتر از گذشته شده است. این حجمه­ی اطلاعاتی که به طرق مختلف از منظر افراد می­گذرد، نیازمند درک و فرهنگی درست است تا به مهمترین ابزار سازمان برای کسب مزیت رقابتی بدل شود. به تعبیر دیگر، سیستم های مدیریت اطلاعات بسیار پیشرفته تر از گذشته شده اند و قابلیت ارائه حجم بیشتری از اطلاعات را دارند. هیچ تردیدی نیست که چه در سطح کارشناسی و چه در سطح مدیریت، همه چه بدانند و چه ندانند، برای ایجاد فضای بهبود به معانی و تفاسیر بسیاری از این اطلاعات نیاز دارند.

دامنه­ی استفاده از اطلاعات به قدری است که در حال حاضر حوزه­ی مطالعاتی پردازش داده به یکی از پرطرفدار ترین مسائل پژوهشی بدل گردیده است. تقریبا اکثر شرکت ها و سازمان­های بزرگ دنیا که به نحوی با اقسام مختلف داده ها در ارتباط اند، سعی دارند تا به نوعی آن­ها را نظام مند ومعنی دار کنند تا بتوانند بر مبنای آن­ها تصمیمات استراتژیک واقعی تری داشته باشند. البته این تنها مزیت هدفمند سازی داده پژوهی نیست و عوامل مهم دیگری مثل انگیزش منابع انسانی و نیز فروش داده ها از دیگر موارد متاثر از این دست طرح ها است.

 از سوی دیگر، با افزایش سطح مدارک دانشگاهی کارکنان در چند سال اخیر، اکثریت افراد سازمان که نقشی در سطح کارشناس یا فراتر دارند، دارای تحصیلات تکمیلی دانشگاهی بوده و کم و بیش، سابقه کار پژوهشی نیز دارند. لذا چنین افرادی علاوه بر اینکه با حضور در ساختاری که تقویت کننده روحیه پژوهشگری و معنا بخشی به داده ها است می­توانند برای سازمان تولید دانش نمایند، پتانسیل انگیزشی بالایی برای اثبات خود و خروج از مسیر روزمرگی های کار اداری دارند. لذا می­توان از تحقیقات مبتنی بر داده به عنوان یک عامل اثر بخش انگیزش نیز بهره برد. اینکه فردی در ساختارهای کاملا مکانیکی و تکراری بعد از سالها، همچنان فضای خلاقیت و نوآوری را برای خود متصور شود، بهترین نتیجه ای است که از بعد مدیریت منابع انسانی می­توان متصور شد.

پژوهش حاضر در راستای بررسی و تحلیل نقش داده های اطلاعاتی و فرهنگ داده پژوهی، در ابعاد مختلف مدیریت سازمان و در نهایت، نتایج و دستاوردهای اجرایی سازی این فرایند صورت گرفته است.

1- تعاریف و مفاهیم کلی و حوزه­­ی مدیریت داده/8

داده/8

اطلاعات/8

دانش/9

بینش/9

اهمیت داده/9

داده به عنوان یک دارایی/11

الزامات استفاده مناسب از داده/12

استراتژی مدیریت داده/14

اجزای اصلی استراتژی مدیریت داده/16

دلایل عدم همسویی استراتژی کسب و کار و استراتژی داده/17

وظایف مدیریت ارشد و فناوری اطلاعات در استراتژی مدیریت داده/17

حاکمیت داده/18

تیم حاکمیت داده/20

حاکمیت داده در مدل­های استاندارد/21

فرآیند تصمیم گیری داده محور/33

چگونه می­توان به یک سازمان داده­محور تبدیل شد/35

مدل تغییر Kotter/36

2- زنجیره­ی تأمین داده/41

2-1- مدیریت محتوا و مستندات/41

تاریخچه مدیریت محتوا و مستندات /42

سطوح مختلف سیستم های اطلاعاتی/44

سیستم‌های پردازش تراکنش  (TPS) /46

سیستم‌های مدیریت اطلاعات  (MIS) /47

سیستم‌های پشتیبانی تصمیم  (DSS) /48

سیستم‌های اطلاعات اجرایی  (EIS) /50

مدیریت اسناد (DMS) /50

نقش فناوری اطلاعات /52

هوش مصنوعی در کسب وکار (AI) /52

پردازش تحلیلی آنلاین (OLAP) /53

رایانش ابری (Cloud Computing) /54

اینترنت اشیاء /56

2-2- بانک­های اطلاعاتی: (Databases) /57

2-2-1- مدل RDBMS یا سیستم مدیریت بانک­های اطلاعاتی رابطه­ای /58

2-2-2- پایگاه­های داده­ی کلید مقدار (Key-value NoSQL) /62

2-2-3- پایگاه­های داده­ی سندگرا (Document NoSQL) /62

2-2-4- پایگاه­های داده­ی ستونی گسترده (Wide Column) /62

2-2-5- پایگاه­های داده­ی گرافی (Graph) /63

شماتیک عملکرد بانک های اطلاعاتی مختلف/74

2-3- ساخت یافتگی و انواع داده/66

داده ساخت یافته/66

داده­های غیرساخت یافته /67

مقایسه­ی داده­های ساخت یافته و غیرساخت یافته/68

داده­های نیمه ساخت یافته /69

انواع داده از دیدگاه مدیریت داده/69

داده گزارشی (Reporting Data) /72

داده تراکنش (Transactional Data) /72

شاه داده یا مستردیتا(Master Data) /72

داده مرجع (Reference Data) /73

ابر داده (MetaData) /73

داده تاریخی (Historical Data) /73

داده موقتی (Temporary Data) /74

2-4- کمی­گرایی و ترکیب داده/74

سطوح مختلف بلوغ تصمیم گیری/76

مقایسه­ی میزان پیچیدگی و ارزش سطوح مختلف تجزیه و تحلیل داده/80

ابزارهای کمی سازی/80

ابزارهای منبع بسته (Close Source) /82

ابزارهای منبع باز (Open Source) /82

2-5- کلان داده /83

3- پایش و استاندارد سازی داده/87

3-1- استانداردسازی، یکپارچگی و دسترسی داده از منابع مختلف/88

مزایای  استاندارد سازی داده/89

چالش­های یکپارچه سازی داده/90

ابزارهای استاندارد نمودن و یکپارچه سازی داده/91

3-2- مدل سازی داده/94

3-2-1- اجزاء مدلسازی داده/96

3-2-2- سطوح مدل داده/97

3-2-3- ارزیابی مدل داده/100

3-3- معماری داده/102

3-4- مدیریت متادیتا/105

 اهداف اصلی مدیریت متادیتا/108

انواع متادیتا/108

چرخه مدیریت متادیتا/111

3-5- مدیریت مستر دیتا/112

شماتیک دامنه کاربرد مدیریت مستردیتا/115

شرح تعامل مدیریت مستردیتا با سایر بخش ها/115

معماری مدیریت مستردیتا/116

انواع معماری مستردیتا/117

3-6- انبار داده (Data Warehouse) /118

تفاوت انبار داده و پایگاه اطلاعاتی/119

هوش تجاری و لزوم ایجاد انبار داده/120

مثال اجزای مختلف یک سیستم DW/BI طبق مدل Kimball/121

معماری انبار داده /122

مدل معماری سنتی انبار داده/123

رویکرد بالا به پایین Inmon/123

رویکرد پائین به بالا Kimball/ 124

معماری انبار داده مدرن، محیط انبار داده/126

7- 3- مدیریت کیفیت داده (DQM) /127

3-7-1- ویژگی­های مشترک اجزای زنجیره تأمین داده/128

اثرات و پیامدهای داده­های بی کیفیت/129

2-7-3- ابعاد کیفیت داده/129

3- 3-7- روش­های کنترل کیفیت داده/132

روش DAIC/132

روش چرخه مدیریت کیفیت /133

3-7-4- ارزیابی کیفیت داده /134

الگوریتم کلی ارزیابی کیفیت داده/135

3-7-5- داده­های حیاتی/135

ماتریس توجیه داده­های حیاتی در سازمان و نحوه استفاده/136

3-7-6- تجزیه و تحلیل و کنترل کیفیت داده/137

وظایف افراد درگیر در کنترل کیفیت داده/138

4- سواد و فرهنگ داده/139

پایه های تصمیم گیری داده محور/139

4-1-  اهمیت، نقش، اثر و ابعاد سواد داده/141

جایگاه سواد داده در بین فعالیت های مرتبط با داده/143

مسیر ISL برای تقویت سواد داده در سازمان/145

مدل VIA برای ایجاد لغت نامه مبنا/146

اجزای سواد داده/147

توانمندی های یک فرد با سواد داده/148

2 -4- ریسک­های ناشی از داده و ویژگی­های داده­ی خوب/149

راهکارهای پیش­گیرانه جهت مدیریت ریسک داده/150

انواع تعصبات ادراکی/152

بصری سازی/152

4-3- حریم خصوصی و امنیت داده/153

ابعاد امنیت داده/154

رویکردهای حوزه امنیت داده/155

الگوریتم تصمیم گیری درباره برنامه امنیت داده/156

4-4- ارتباط فرهنگ و حاکمیت داده/156

حریم خصوصی ومقررات/157

4-5- چالش­ها و راهکارهای توسعه­ی فرهنگ و سواد داده/158

ویژگی­های دانشوران در مدل استوارت/161

ابزارهای توسعه فرهنگ و سواد داده/162

5- اجرایی سازی داده پژوهی در سازمان و پیامدهای ناشی از آن /165

5-1- چرخه حیات تجزیه و تحلیل داده/166

5-2- ارزیابی بلوغ مدیریت داده در سازمان/169

5-2-1- مدل CMMI DMM /171

5-2-2- مدل DELTA یا مدل پنج مرحله­ای بلوغ /174

5-2-3- مدل EIM گارتنر/176

5-3-1- مطالعه موردی اول (فوجیتسو) /181

5-3-2- مطالعه موردی دوم (تجزیه و تحلیل مشتری) /184

5-3-3- مطالعه موردی سوم (مدل ADKAR) / 188

5-3-4- مطالعه موردی چهارم (کاربردهای نظامی فناوری کلان داده) / 194

5-3-5- مطالعه موردی پنجم (اینترنت اشیاء) /196

5-4- پیامدهای اجرایی شدن مدیریت داده و داده پژوهی در سازمان/200

5-5- ایجاد مسیر داده ورودی تا تصمیم و سازمان داده محور/202

چرخه حیات داده از داده ی خام تا تصمیم اجرایی/202

6- سخن پایانی/203

7- منابع و مراجع/207